SlideShare a Scribd company logo

3_XLA3_Nang cao chat luong anh.pdf

•
H
HongTrngLm1

Chương 3 của tài liệu nói về các kỹ thuật nâng cao chất lượng ảnh trong miền không gian, bao gồm tăng cường ảnh để làm nổi bật chi tiết và loại bỏ nhiễu. Tài liệu trình bày về các toán tử điểm ảnh, toán tử láng giềng, và các phương pháp khôi phục ảnh, cùng với các ví dụ cụ thể về các kỹ thuật được sử dụng. Các phương pháp này bao gồm biến đổi âm bản, phân ngưỡng, lược đồ xám và các bộ lọc để loại bỏ nhiễu.

Art & Photos
1 of 76
Download to read offline
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
XỬ LÝ ẢNH SỐ CHƯƠNG 3. NÂNG CAO CHẤT LƯỢNG ẢNH
2 Nội dung Trong phần này chúng ta sẽ tìm hiểu về các kỹ thuật tăng cường ảnh trong miền không gian: ➢ Thế nào là tăng cường ảnh? ➢ Các kiểu tăng cường ảnh ➢ Cải thiện ảnh sử dụng toán tử điểm ảnh ➢ Cải thiện ảnh sử dụng toán tử láng giềng ➢ Khôi phục ảnh
3 Thế nào là tăng cường ảnh? ✓ Tăng cường ảnh là quá trình làm cho bức ảnh trở nên hữu ích hơn. ✓ Lý do để thực hiện tăng cường ảnh bao gồm: ➢ Làm nổi bật những chi tiết cần quan tâm trong bức ảnh ➢ Loại bỏ nhiễu khỏi các bức ảnh ➢ Làm cho bức ảnh hấp dẫn hơn về mặt trực quan
4 Ví dụ về tăng cường ảnh (1)
5 Ví dụ về tăng cường ảnh (2)
6 Ví dụ về tăng cường ảnh (3) Images taken from Gonzalez & Woods, Digital Image Processing (2002)
7 Ví dụ về tăng cường ảnh (4) Reduction in fine skin lines in the magnified sections Higher attraction
8 Miền không gian và miền tần số Các kỹ thuật tăng cường ảnh có thể chia ra 2 nhánh: ❖ Các kỹ thuật tăng cường ảnh trong miền không gian • Thao tác trực tiếp với các điểm ảnh ❖ Các kỹ thuật tăng cường ảnh trong miền tần số • Đưa ảnh về miền tần số bằng phép biến đổi fourier hoặc wavelet sau đó xử lý trên miền tần số Chương này sẽ tập trung vào các kỹ thuật xử lý ảnh trong miền không gian
9 CẢI THIỆN ẢNH SỬ DỤNG TOÁN TỬ ĐIỂM
10 Toán tử điểm Xử lý ảnh trên miền không gian ❖ Phép toán xử lý ảnh có dạng: g(x,y) = T[f(x,y)] ✓ f(x,y) là ảnh đầu vào ✓ g(x,y) là ảnh đầu ra ✓ T là một số toán tử tác động lên các điểm ảnh xung quanh (x,y) Origin x y Image f (x, y) (x, y)
11 Xử lý điểm ảnh Xử lý ảnh trên miền không gian g(x,y) = T[f(x,y)] ✓ Nếu T chỉ tác động lên 1 điểm ảnh tại (x,y) thì T là hàm biến đổi mức xám hay toán tử xử lý điểm ảnh ✓ Các toán tử xử lý điểm ảnh có dạng: s = T(r) r: mức xám của ảnh đầu vào tại (x,y) s: mức xám của ảnh đầu ra tại (x,y)
12 MỘT SỐ TOÁN TỬ ĐIỂM ẢNH ➢ Biến đổi âm bản ➢ Phân ngưỡng ➢ Một số hàm biến đổi mức xám cơ bản: tuyến tính, logarithm, hàm mũ.
13 Phép biến đổi âm bản s = 1.0 - r Ảnh gốc Ảnh âm bản ❖ Phép biến đổi âm bản (negative image) sử dụng để tăng cường các chi tiết trắng hoặc xám trong nền tối ❖ Phép biến đổi: s = T(r) = Intensivemax - r
14 Phân ngưỡng (Thresholding) ❖ Biến đổi phân ngưỡng được sử dụng cho việc làm nổi bật các đổi tượng cần quan tâm trên nền của ảnh ❖ Phép biến đổi: s = 1.0 0.0 r <= threshold r > threshold s = 0.0 r <= threshold 1.0 r > threshold
15 Các hàm cơ bản biến đổi mức xám Có 3 hàm biến đổi mức xám thông dụng nhất: ➢ Biến đổi tuyến tính • Negative/Identity ➢ Biến đổi logarith • Log/Inverse log ➢ Biến đổi hàm mũ • nth power/nth root
16 Biến đổi logarith ❖ Dạng tổng quát của biến đổi log: s = c * log(1 + r) ❖ Biến đổi log ánh xạ một dải hẹp mức xám thấp của ảnh đầu vào đầu vào sang một dải rộng hơn cho ảnh đầu ra ❖ Biến đổi ngược của hàm log thực hiện điều ngược lại
17 Biến đổi logarith (tiếp…) ❖ Các hàm log Log được sử dụng khi giá trị mức xám của ảnh đầu vào nằm trong 1 dải rất rộng. ❖ Biến đổi Fourier của ảnh được đưa qua biến đổi log để hiển thị các chi tiết rõ ràng hơn s = log(1 + r)
18 Biến đổi hàm mũ (1) ❖ Biến đổi hàm mũ có dạng: s = c * r γ ❖ Biến đổi hàm mũ ánh xạ một dải hẹp mức xám thấp của ảnh đầu vào đầu vào sang một dải rộng hơn cho ảnh đầu ra và ngược lại Khác với biến đổi log, có thể thay đổi giá trị γ của biến đổi hàm mũ để tạo ra các đồ thị biến đổi khác nhau.
19 Biến đổi hàm mũ (2) s = r 0.6 s = r 0.4
20 Biến đổi hàm mũ (3) s = r 3.0 s = r 4.0
21 Tăng độ tương phản ❖ Thay vì sử dụng 1 hàm toán học, ta có thể sử dụng nhiều hàm toán học tại các phân đoạn khác nhau để biến đổi mức xám
22 LƯỢC ĐỒ XÁM VÀ CÂN BẰNG LƯỢC ĐỒ XÁM
23 Histogram (Lược đồ mức xám) ➢ Lược đồ xám của ảnh có mức xám trong khoảng [0, L – 1] là hàm rời rạc có dạng như sau: ➢ Hàm p(rk) mô tả tỷ lệ giữa tổng số pixel có mức xám rk và tổng số pixel của ảnh ➢ Histogram mô tả tổng thể phân bố mức xám của ảnh
24 Lược đồ xám của ảnh Ví dụ về biểu diễn histogram: Grey Levels Frequencies
25 Ví dụ lược đồ xám (cont…)
26 Ví dụ lược đồ xám (cont…)
27 Ví dụ lược đồ xám (cont…)
28 Ví dụ lược đồ xám (cont…)
29 Ví dụ lược đồ xám (cont…)
30 Ví dụ lược đồ xám (cont…)
31 Ví dụ lược đồ xám (cont…) Bức ảnh có độ tương phản cao thì phân bố xác xuất mức xám đều và đồng nhất Tăng độ tương phản
32 Cân bằng lược đồ xám ❖ Việc phải làm là tìm hàm biến đổi s = T(r)
33 Cân bằng lược đồ xám – rk: mức xám đầu vào – sk: mức xám đầu ra – k: dải cường độ sáng – nj: tần suất của cường độ j – n: tổng số điểm ảnh – L’: số mức xám ở ảnh đầu ra (thông thường bằng số mức xám đầu vào) ) ( k k r T s = 0 ( ' 1) ( ) k r j j L p r = = −  0 ( ' 1) k j j n L n = = − 
34 Ví dụ 1 • Xét bức ảnh có kích thước 64x64 ở 8 mức xám (0, 1, …, 7). Chuẩn hóa giá trị mức xám như trong bảng sau. Hãy thực hiện quá trình cân bằng mức xám cho ảnh. k rk nk P(r k) = nk/n 0 r0 = 0 790 0.19 1 r1 = 1 1023 0.25 2 r2 = 2 850 0.21 3 r3 = 3 656 0.16 4 r4 = 4 329 0.08 5 r5 = 5 245 0.06 6 r6 = 6 122 0.03 7 r7 = 7 81 0.02
35 Ví dụ
36 Ví dụ
37 Ví dụ 2 • Cho bức ảnh I. Hãy vẽ lược đồ xám và thực hiện cân bằng lược đồ xám. Tìm ảnh I’ sau khi đã cân bằng lược đồ xám.
38 Ví dụ 3 • Cho bức ảnh I. Hãy vẽ lược đồ xám và thực hiện cân bằng lược đồ xám. Tìm ảnh I’ sau khi đã cân bằng lược đồ xám.
39 CẢI THIỆN ẢNH SỬ DỤNG CỬA SỔ
40 Toán tử láng giềng (neighbourhood) - Toán tử láng giềng hoạt động trên một tập các pixel xung quanh pixel tâm. - Neighbourhoods (láng giềng, lân cận) hầu hết có dạng hình chữ nhật quanh pixel tâm. Origin x y Image f (x, y) (x, y) Neighbourhood
41 Toán tử láng giềng - Đối với mỗi pixel trong ảnh gốc, sau xử lý đầu ra là pixel ở cùng vị trí đó trong ảnh đích. Origin x y Image f (x, y) (x, y) Neighbourhood Target
42 Một số toán tử láng giềng đơn giản – Min: Thiết lập giá trị pixel trong ảnh mới là giá trị min của neighbourhood. – Max: Thiết lập giá trị pixel trong ảnh mới là max của neighbourhood.
43 Qúa trình lọc không gian j k l m n o p q r Origin x y Image f (x, y) eprocessed = n*e + j*a + k*b + l*c + m*d + o*f + p*g + q*h + r*i Filter (w) Simple 3*3 Neighbourhood e 3*3 Filter a b c d e f g h i Original Image Pixels * Qúa trình trên được lặp lại đối với mỗi pixel trong ảnh gốc để tạo ra ảnh mới.
44 Lọc không gian: Công thức  − = − = + + = a a s b b t t y s x f t s w y x g ) , ( ) , ( ) , ( Images taken from Gonzalez & Woods, Digital Image Processing (2002)
45 Ví dụ
46 Các bộ lọc không gian làm mịn ảnh ❖ Một trong số các toán tử lọc không gian đơn giản nhất là toán tử làm mịn ảnh. – Đơn giản là lấy trung bình của tất cả các pixel trong vùng lân cận xung quanh giá trị tâm. – Đặc biệt hữu ích trong việc loại bỏ nhiễu trong ảnh. 1/9 1/9 1/9 1/9 1/9 1/9 1/9 1/9 1/9 Bộ lọc trung bình đơn giản
47 Bộ lọc không gian làm mịn ảnh 1/9 1/9 1/9 1/9 1/9 1/9 1/9 1/9 1/9 Origin x y Image f (x, y) e = 1/9*106 + 1/9*104 + 1/9*100 + 1/9*108 + 1/9*99 + 1/9*98 + 1/9*95 + 1/9*90 + 1/9*85 = 98.3333 Filter Simple 3*3 Neighbourhood 106 104 99 95 100 108 98 90 85 1/9 1/9 1/9 1/9 1/9 1/9 1/9 1/9 1/9 3*3 Smoothing Filter 104 100 108 99 106 98 95 90 85 Original Image Pixels *
48 Ví dụ làm mịn ảnh ➢ Ảnh phía trên bên trái là ảnh gốc kích thước 500*500 pixels. ➢ Các ảnh sau là ảnh sau khi lọc bằng bộ lọc trung bình với kích thước tăng dần 3, 5, 9, 15 và 35 ➢ Chú ý các chi tiết dần biến mất. Images taken from Gonzalez & Woods, Digital Image Processing (2002)
49 Bộ lọc trung bình có trọng số ➢ Có thể tạo ra bộ lọc làm mịn ảnh hiệu quả hơn bằng cách gán trọng số cho các pixel khác nhau của lân cận trong hàm trung bình. – Các pixel gần pixel tâm có vai trò quan trọng hơn. – Các bộ lọc này thường được gọi là trung bình có trọng số (weighted averaging) 1/16 2/16 1/16 2/16 4/16 2/16 1/16 2/16 1/16 Bộ lọc trung bình có trọng số
50 Bộ lọc trung bình k giá trị gần nhất ❖ Cho ảnh I, pixel P, cửa sổ W(P), ngưỡng θ, giá trị k. ❖ Thuật toán: ❖ Bước 1: Tìm k giá trị nằm trong cửa sổ W(P) gần với giá trị pixel P nhất. ❖ Bước 2: Tính trung bình của k giá trị này: ❖ Bước 3: Gán giá trị k P P AV k i i k / ) ( ) ( 1  = =
51 Ví dụ ▪ Cho ảnh I như sau: ▪ Cửa sổ W(3 x3), ▪ Ngưỡng θ=2, giá trị k=3
52 Bộ lọc trung vị (Median filter)
53 Ví dụ về bộ lọc trung bình và bộ lọc trung vị Ảnh gốc bị nhiễu Ảnh sau khi lọc trung bình Ảnh sau khi lọc trung vị Images taken from Gonzalez & Woods, Digital Image Processing (2002)
54 Xử lý biên ảnh Tại biên của bức ảnh sẽ gặp trường hợp thiếu pixel ảnh để tạo thành neighbourhood. Origin x y Image f (x, y) e e e e e e e
55 Xử lý biên ảnh (tiếp) Có một số cách tiếp cận để giải quyết vấn đề thiếu pixel ở biên: – Loại bỏ pixel bị thiếu. • Chỉ làm việc với một số bộ lọc. • Làm thay đổi kích thước ảnh. – Chèn thêm pixel vào ảnh • Thông thường thêm vào hoặc toàn pixel đen hoặc toàn pixel trắng. • Làm thay đổi tính chất ảnh. – Lặp lại các pixels ở rìa ảnh.
56 Ví dụ Cho bức ảnh bị nhiễu sau. Dùng bộ lọc trung bình và trung vị kích thước 3 x 3 để loại bỏ nhiễu trong ảnh. 2 7 3 0 3 1 6 3 0 1 3 5 3 6 7 1
57 KHÔI PHỤC ẢNH
58 Nội dung ➢ Thế nào là khôi phục ảnh? ➢ Nhiễu và ảnh ➢ Các mô hình nhiễu ➢ Loại bỏ nhiễu sử dụng bộ lọc không gian ➢ Nhiễu tuần hoàn và loại bỏ nhiễu sử dụng bộ lọc miền tần số.
59 Thế nào là khôi phục ảnh? Khôi phục ảnh nỗ lực tái tạo lại bức ảnh đã bị xuống cấp về chất lượng. - Xác định quá trình làm bức ảnh xuống cấp và nỗ lực làm ngược lại. – Tương tự như tăng cường ảnh nhưng có mục đích hơn.
60 Nhiễu và ảnh Nguồn nhiễu trong ảnh số thường bắt nguồn từ quá trình thu nhận ảnh (số hóa) và truyền ảnh. – Sensor thu nhận ảnh có thể bị ảnh hưởng bởi các điều kiện xung quanh. – Ảnh cũng có thể bị can nhiễu trong quá trình truyền dẫn.
61 Mô hình nhiễu - Ta có thể mô hình hóa ảnh nhiễu như sau: ở đó f(x, y) là pixel ảnh gốc, η(x, y) là nhiễu, g(x, y) là pixel bị nhiễu. - Nếu ta có thể ước đoán mô hình nhiễu của bức ảnh thì có thể đưa ra cách khôi phục bức ảnh. ) , ( ) , ( ) , ( y x y x f y x g  + =
62 Các mô hình nhiễu Có nhiều mô hình nhiễu khác nhau sử dụng cho ảnh: η(x, y) – Gaussian • Mô hình thông dụng nhất – Rayleigh – Erlang – Exponential (hàm mũ) – Uniform (đồng nhất) – Impulse (hàm xung) • Salt and pepper noise Gaussian Rayleigh Erlang Exponential Uniform Impulse Images taken from Gonzalez & Woods, Digital Image Processing (2002)
63 Ví dụ về nhiễu - Ảnh bên phải là ảnh gốc - Các slide tiếp theo mô tả kết quả của quá trình thêm nhiễu vào ảnh với các mô hình khác nhau. Images taken from Gonzalez & Woods, Digital Image Processing (2002) Histogram to go here Ảnh gốc Histogram
64 Ví dụ về nhiễu (tiếp) Images taken from Gonzalez & Woods, Digital Image Processing (2002) Gaussian Rayleigh Erlang
65 Ví dụ về nhiễu (tiếp) Images taken from Gonzalez & Woods, Digital Image Processing (2002) Exponential Uniform Impulse Histogram to go here
66 Lọc để loại bỏ nhiễu -Ta có thể sử dụng các loại bộ lọc không gian khác nhau để loại bỏ các loại nhiễu khác nhau. - Bộ lọc trung bình số học (arithmetic mean filter) là bộ lọc rất đơn giản và được tính như sau:   = xy S t s t s g mn y x f ) , ( ) , ( 1 ) , ( ˆ 1/9 1/9 1/9 1/9 1/9 1/9 1/9 1/9 1/9 - Bộ lọc này được thực hiện như bộ lọc làm mịn ảnh đơn giản. - Làm mờ ảnh để loại bỏ nhiễu.
67 Ví dụ về loại bỏ nhiễu Images taken from Gonzalez & Woods, Digital Image Processing (2002) Ảnh gốc Ảnh bị nhiễu Gaussian Sau khi lọc bằng bộ lọc trung bình hình học 3*3 Sau khi lọc bằng bộ lọc trung bình số học 3*3
68 Một số bộ lọc không gian khác – Bộ lọc trung vị (Median filter) – Bộ lọc max và min (Max and min filter) – Bộ lọc điểm giữa (Midpoint filter) Images taken from Gonzalez & Woods, Digital Image Processing (2002)
69 Bộ lọc trung vị -Loại bỏ nhiễu tốt mà không có hiệu ứng làm mờ ảnh như các bộ lọc làm mịn khác. - Đặc biệt hiệu quả với nhiễu muối tiêu. )} , ( { ) , ( ˆ ) , ( t s g median y x f xy S t s  =
70 Bộ lọc Max và Min Bộ lọc Max: Bộ lọc Min: - Bộ lọc Max hiệu quả với nhiễu tiêu và bộ lọc min hiệu quả với nhiễu muối. )} , ( { max ) , ( ˆ ) , ( t s g y x f xy S t s  = )} , ( { min ) , ( ˆ ) , ( t s g y x f xy S t s  =
71 Midpoint Filter Midpoint Filter: - Hiệu quả với nhiễu Gaussian ngẫu nhiên và nhiễu đồng nhất.       + =   )} , ( { min )} , ( { max 2 1 ) , ( ˆ ) , ( ) , ( t s g t s g y x f xy xy S t s S t s
72 Ví dụ về loại bỏ nhiễu Images taken from Gonzalez & Woods, Digital Image Processing (2002) Image Corrupted By Salt And Pepper Noise Result of 1 Pass With A 3*3 Median Filter Result of 2 Passes With A 3*3 Median Filter Result of 3 Passes With A 3*3 Median Filter
73 Ví dụ về loại bỏ nhiễu (tiếp) Images taken from Gonzalez & Woods, Digital Image Processing (2002) Image Corrupted By Pepper Noise Image Corrupted By Salt Noise Result Of Filtering Above With A 3*3 Min Filter Result Of Filtering Above With A 3*3 Max Filter
74 Ví dụ về loại bỏ nhiễu (tiếp) Images taken from Gonzalez & Woods, Digital Image Processing (2002) Image Corrupted By Uniform Noise Image Further Corrupted By Salt and Pepper Noise Filtered By 5*5 Arithmetic Mean Filter Filtered By 5*5 Median Filter Filtered By 5*5 Geometric Mean Filter Filtered By 5*5 Alpha-Trimmed Mean Filter
75 Nhiễu tuần hoàn -Thường xuất hiện do can nhiễu điện hoặc điện từ. - Thường tạo ra các mẫu nhiễu điển hình trong bức ảnh. - Để loại bỏ nhiễu này thì sử dụng các kỹ thuật miền tần số là hiệu quả nhất. Images taken from Gonzalez & Woods, Digital Image Processing (2002)
76 Kết luận ❖ Khôi phục ảnh là quá trình xử lý có mục đích hơn so với tăng cường ảnh. ❖ Các kỹ thuật miền không gian đặc biệt hữu ích đối với việc loại bỏ nhiễu ngẫu nhiên. ❖ Các kỹ thuật miền tần số đặc biệt hữu ích đối với nhiễu tuần hoàn.

More Related Content

PDF
jklsafladsfjkdlsajfkldsjfklds;ajfkdls;afjkdsl;afjkdsl;ajfkdsl;afjkdsl;àkldsaj...
ssuser638b8a
 
PDF
Bài giảng xử lý ảnh xử lý và nâng cao chất lượng ảnh
jackjohn45
 
DOCX
Đề cương môn xử lý ảnh Đại học công nghệ Giao thông vận tải
NgcTrnVn
 
PDF
Kĩ thuật lọc ảnh và ứng dụng trong lọc nhiễu làm trơn
Nguyen Thieu
 
PDF
XLA Lecture_Nguyen Quan Duc_.pdf
ThuTrang513146
 
PPTX
linear filtering & Non-linear filtering
ducmanhkthd
 
PDF
01 Digital Image and Video Procesing - VN.pdf
Diễm Phạm Nguyễn Mỹ
 
PDF
02 Point Operations - VN.pdf
Diễm Phạm Nguyễn Mỹ
 
jklsafladsfjkdlsajfkldsjfklds;ajfkdls;afjkdsl;afjkdsl;ajfkdsl;afjkdsl;àkldsaj...
ssuser638b8a
 
Bài giảng xử lý ảnh xử lý và nâng cao chất lượng ảnh
jackjohn45
 
Đề cương môn xử lý ảnh Đại học công nghệ Giao thông vận tải
NgcTrnVn
 
Kĩ thuật lọc ảnh và ứng dụng trong lọc nhiễu làm trơn
Nguyen Thieu
 
XLA Lecture_Nguyen Quan Duc_.pdf
ThuTrang513146
 
linear filtering & Non-linear filtering
ducmanhkthd
 
01 Digital Image and Video Procesing - VN.pdf
Diễm Phạm Nguyễn Mỹ
 
02 Point Operations - VN.pdf
Diễm Phạm Nguyễn Mỹ
 

Similar to 3_XLA3_Nang cao chat luong anh.pdf (20)

PDF
Tai lieu huong_dan_hoc_matlab_danh_cho_mon_xu_ly_anh_rat_hay_2264_7433
Muoivy Wm
 
PDF
Bài Giảng Xử Lý Ảnh Số
nataliej4
 
PDF
04_C3_Nang cao chat luong anh_TOAN TU DIEM.pdf
TnKitTrng
 
PPT
Vien tham - 9 chuyen doi anh - a
ttungbmt
 
PDF
5. xử lý ảnh hscahvcgajvcghavhgscacahscv.pdf
nhodth225715
 
PDF
03_C2-Thu nhan anh_BIEU DIEN ANH.pdf IUH KHMT
TnKitTrng
 
DOC
Xu ly anh
Chu Lam
 
PPTX
BTL-thuyet-trinh (1).pptx
NamTran268656
 
PDF
Lttt matlab chuong 5
Hoa Cỏ May
 
DOC
Mathlab cho xu ly anh
Huynh MVT
 
PDF
01_C1_GIOI THIEU VE XU LY ANH IUH KHMT18BTT
TnKitTrng
 
PPTX
xu-ly-anh__xla_c1_cac van de rat chi la co-ban_08082018
tuean19782021
 
PDF
ứNg dụng phép biến đổi wavelet trong xử lý ảnh
Thanh Hoa
 
PDF
Bài giảng xử lý ảnh phát hiện biên và phân vùng ảnh
nataliej4
 
PDF
Chuong 3 Do Hoa Trong Matlab- ho tro sv trong viec phát triển
TnPhm403028
 
PDF
Do hoa may tinh
guest333acaa
 
DOC
Tach bien anh mau
Chu Lam
 
PDF
CG03_Entities_Algorithm.pdf
TrieuThuHuong1
 
DOCX
Hệ Cơ Sở Dữ Liệu Đa Phương Tiện PTIT
Popping Khiem - Funky Dance Crew PTIT
 
PPTX
Slide BTL Phương pháp tính - Quy tắc Simpson
SongTho2
 
Tai lieu huong_dan_hoc_matlab_danh_cho_mon_xu_ly_anh_rat_hay_2264_7433
Muoivy Wm
 
Bài Giảng Xử Lý Ảnh Số
nataliej4
 
04_C3_Nang cao chat luong anh_TOAN TU DIEM.pdf
TnKitTrng
 
Vien tham - 9 chuyen doi anh - a
ttungbmt
 
5. xử lý ảnh hscahvcgajvcghavhgscacahscv.pdf
nhodth225715
 
03_C2-Thu nhan anh_BIEU DIEN ANH.pdf IUH KHMT
TnKitTrng
 
Xu ly anh
Chu Lam
 
BTL-thuyet-trinh (1).pptx
NamTran268656
 
Lttt matlab chuong 5
Hoa Cỏ May
 
Mathlab cho xu ly anh
Huynh MVT
 
01_C1_GIOI THIEU VE XU LY ANH IUH KHMT18BTT
TnKitTrng
 
xu-ly-anh__xla_c1_cac van de rat chi la co-ban_08082018
tuean19782021
 
ứNg dụng phép biến đổi wavelet trong xử lý ảnh
Thanh Hoa
 
Bài giảng xử lý ảnh phát hiện biên và phân vùng ảnh
nataliej4
 
Chuong 3 Do Hoa Trong Matlab- ho tro sv trong viec phát triển
TnPhm403028
 
Do hoa may tinh
guest333acaa
 
Tach bien anh mau
Chu Lam
 
CG03_Entities_Algorithm.pdf
TrieuThuHuong1
 
Hệ Cơ Sở Dữ Liệu Đa Phương Tiện PTIT
Popping Khiem - Funky Dance Crew PTIT
 
Slide BTL Phương pháp tính - Quy tắc Simpson
SongTho2
 
Ad

3_XLA3_Nang cao chat luong anh.pdf

  • 1. XỬ LÝ ẢNH SỐ CHƯƠNG 3. NÂNG CAO CHẤT LƯỢNG ẢNH
  • 2. 2 Nội dung Trong phần này chúng ta sẽ tìm hiểu về các kỹ thuật tăng cường ảnh trong miền không gian: ➢ Thế nào là tăng cường ảnh? ➢ Các kiểu tăng cường ảnh ➢ Cải thiện ảnh sử dụng toán tử điểm ảnh ➢ Cải thiện ảnh sử dụng toán tử láng giềng ➢ Khôi phục ảnh
  • 3. 3 Thế nào là tăng cường ảnh? ✓ Tăng cường ảnh là quá trình làm cho bức ảnh trở nên hữu ích hơn. ✓ Lý do để thực hiện tăng cường ảnh bao gồm: ➢ Làm nổi bật những chi tiết cần quan tâm trong bức ảnh ➢ Loại bỏ nhiễu khỏi các bức ảnh ➢ Làm cho bức ảnh hấp dẫn hơn về mặt trực quan
  • 4. 4 Ví dụ về tăng cường ảnh (1)
  • 5. 5 Ví dụ về tăng cường ảnh (2)
  • 6. 6 Ví dụ về tăng cường ảnh (3) Images taken from Gonzalez & Woods, Digital Image Processing (2002)
  • 7. 7 Ví dụ về tăng cường ảnh (4) Reduction in fine skin lines in the magnified sections Higher attraction
  • 8. 8 Miền không gian và miền tần số Các kỹ thuật tăng cường ảnh có thể chia ra 2 nhánh: ❖ Các kỹ thuật tăng cường ảnh trong miền không gian • Thao tác trực tiếp với các điểm ảnh ❖ Các kỹ thuật tăng cường ảnh trong miền tần số • Đưa ảnh về miền tần số bằng phép biến đổi fourier hoặc wavelet sau đó xử lý trên miền tần số Chương này sẽ tập trung vào các kỹ thuật xử lý ảnh trong miền không gian
  • 9. 9 CẢI THIỆN ẢNH SỬ DỤNG TOÁN TỬ ĐIỂM
  • 10. 10 Toán tử điểm Xử lý ảnh trên miền không gian ❖ Phép toán xử lý ảnh có dạng: g(x,y) = T[f(x,y)] ✓ f(x,y) là ảnh đầu vào ✓ g(x,y) là ảnh đầu ra ✓ T là một số toán tử tác động lên các điểm ảnh xung quanh (x,y) Origin x y Image f (x, y) (x, y)
  • 11. 11 Xử lý điểm ảnh Xử lý ảnh trên miền không gian g(x,y) = T[f(x,y)] ✓ Nếu T chỉ tác động lên 1 điểm ảnh tại (x,y) thì T là hàm biến đổi mức xám hay toán tử xử lý điểm ảnh ✓ Các toán tử xử lý điểm ảnh có dạng: s = T(r) r: mức xám của ảnh đầu vào tại (x,y) s: mức xám của ảnh đầu ra tại (x,y)
  • 12. 12 MỘT SỐ TOÁN TỬ ĐIỂM ẢNH ➢ Biến đổi âm bản ➢ Phân ngưỡng ➢ Một số hàm biến đổi mức xám cơ bản: tuyến tính, logarithm, hàm mũ.
  • 13. 13 Phép biến đổi âm bản s = 1.0 - r Ảnh gốc Ảnh âm bản ❖ Phép biến đổi âm bản (negative image) sử dụng để tăng cường các chi tiết trắng hoặc xám trong nền tối ❖ Phép biến đổi: s = T(r) = Intensivemax - r
  • 14. 14 Phân ngưỡng (Thresholding) ❖ Biến đổi phân ngưỡng được sử dụng cho việc làm nổi bật các đổi tượng cần quan tâm trên nền của ảnh ❖ Phép biến đổi: s = 1.0 0.0 r <= threshold r > threshold s = 0.0 r <= threshold 1.0 r > threshold
  • 15. 15 Các hàm cơ bản biến đổi mức xám Có 3 hàm biến đổi mức xám thông dụng nhất: ➢ Biến đổi tuyến tính • Negative/Identity ➢ Biến đổi logarith • Log/Inverse log ➢ Biến đổi hàm mũ • nth power/nth root
  • 16. 16 Biến đổi logarith ❖ Dạng tổng quát của biến đổi log: s = c * log(1 + r) ❖ Biến đổi log ánh xạ một dải hẹp mức xám thấp của ảnh đầu vào đầu vào sang một dải rộng hơn cho ảnh đầu ra ❖ Biến đổi ngược của hàm log thực hiện điều ngược lại
  • 17. 17 Biến đổi logarith (tiếp…) ❖ Các hàm log Log được sử dụng khi giá trị mức xám của ảnh đầu vào nằm trong 1 dải rất rộng. ❖ Biến đổi Fourier của ảnh được đưa qua biến đổi log để hiển thị các chi tiết rõ ràng hơn s = log(1 + r)
  • 18. 18 Biến đổi hàm mũ (1) ❖ Biến đổi hàm mũ có dạng: s = c * r γ ❖ Biến đổi hàm mũ ánh xạ một dải hẹp mức xám thấp của ảnh đầu vào đầu vào sang một dải rộng hơn cho ảnh đầu ra và ngược lại Khác với biến đổi log, có thể thay đổi giá trị γ của biến đổi hàm mũ để tạo ra các đồ thị biến đổi khác nhau.
  • 19. 19 Biến đổi hàm mũ (2) s = r 0.6 s = r 0.4
  • 20. 20 Biến đổi hàm mũ (3) s = r 3.0 s = r 4.0
  • 21. 21 Tăng độ tương phản ❖ Thay vì sử dụng 1 hàm toán học, ta có thể sử dụng nhiều hàm toán học tại các phân đoạn khác nhau để biến đổi mức xám
  • 22. 22 LƯỢC ĐỒ XÁM VÀ CÂN BẰNG LƯỢC ĐỒ XÁM
  • 23. 23 Histogram (Lược đồ mức xám) ➢ Lược đồ xám của ảnh có mức xám trong khoảng [0, L – 1] là hàm rời rạc có dạng như sau: ➢ Hàm p(rk) mô tả tỷ lệ giữa tổng số pixel có mức xám rk và tổng số pixel của ảnh ➢ Histogram mô tả tổng thể phân bố mức xám của ảnh
  • 24. 24 Lược đồ xám của ảnh Ví dụ về biểu diễn histogram: Grey Levels Frequencies
  • 25. 25 Ví dụ lược đồ xám (cont…)
  • 26. 26 Ví dụ lược đồ xám (cont…)
  • 27. 27 Ví dụ lược đồ xám (cont…)
  • 28. 28 Ví dụ lược đồ xám (cont…)
  • 29. 29 Ví dụ lược đồ xám (cont…)
  • 30. 30 Ví dụ lược đồ xám (cont…)
  • 31. 31 Ví dụ lược đồ xám (cont…) Bức ảnh có độ tương phản cao thì phân bố xác xuất mức xám đều và đồng nhất Tăng độ tương phản
  • 32. 32 Cân bằng lược đồ xám ❖ Việc phải làm là tìm hàm biến đổi s = T(r)
  • 33. 33 Cân bằng lược đồ xám – rk: mức xám đầu vào – sk: mức xám đầu ra – k: dải cường độ sáng – nj: tần suất của cường độ j – n: tổng số điểm ảnh – L’: số mức xám ở ảnh đầu ra (thông thường bằng số mức xám đầu vào) ) ( k k r T s = 0 ( ' 1) ( ) k r j j L p r = = −  0 ( ' 1) k j j n L n = = − 
  • 34. 34 Ví dụ 1 • Xét bức ảnh có kích thước 64x64 ở 8 mức xám (0, 1, …, 7). Chuẩn hóa giá trị mức xám như trong bảng sau. Hãy thực hiện quá trình cân bằng mức xám cho ảnh. k rk nk P(r k) = nk/n 0 r0 = 0 790 0.19 1 r1 = 1 1023 0.25 2 r2 = 2 850 0.21 3 r3 = 3 656 0.16 4 r4 = 4 329 0.08 5 r5 = 5 245 0.06 6 r6 = 6 122 0.03 7 r7 = 7 81 0.02
  • 37. 37 Ví dụ 2 • Cho bức ảnh I. Hãy vẽ lược đồ xám và thực hiện cân bằng lược đồ xám. Tìm ảnh I’ sau khi đã cân bằng lược đồ xám.
  • 38. 38 Ví dụ 3 • Cho bức ảnh I. Hãy vẽ lược đồ xám và thực hiện cân bằng lược đồ xám. Tìm ảnh I’ sau khi đã cân bằng lược đồ xám.
  • 39. 39 CẢI THIỆN ẢNH SỬ DỤNG CỬA SỔ
  • 40. 40 Toán tử láng giềng (neighbourhood) - Toán tử láng giềng hoạt động trên một tập các pixel xung quanh pixel tâm. - Neighbourhoods (láng giềng, lân cận) hầu hết có dạng hình chữ nhật quanh pixel tâm. Origin x y Image f (x, y) (x, y) Neighbourhood
  • 41. 41 Toán tử láng giềng - Đối với mỗi pixel trong ảnh gốc, sau xử lý đầu ra là pixel ở cùng vị trí đó trong ảnh đích. Origin x y Image f (x, y) (x, y) Neighbourhood Target
  • 42. 42 Một số toán tử láng giềng đơn giản – Min: Thiết lập giá trị pixel trong ảnh mới là giá trị min của neighbourhood. – Max: Thiết lập giá trị pixel trong ảnh mới là max của neighbourhood.
  • 43. 43 Qúa trình lọc không gian j k l m n o p q r Origin x y Image f (x, y) eprocessed = n*e + j*a + k*b + l*c + m*d + o*f + p*g + q*h + r*i Filter (w) Simple 3*3 Neighbourhood e 3*3 Filter a b c d e f g h i Original Image Pixels * Qúa trình trên được lặp lại đối với mỗi pixel trong ảnh gốc để tạo ra ảnh mới.
  • 44. 44 Lọc không gian: Công thức  − = − = + + = a a s b b t t y s x f t s w y x g ) , ( ) , ( ) , ( Images taken from Gonzalez & Woods, Digital Image Processing (2002)
  • 46. 46 Các bộ lọc không gian làm mịn ảnh ❖ Một trong số các toán tử lọc không gian đơn giản nhất là toán tử làm mịn ảnh. – Đơn giản là lấy trung bình của tất cả các pixel trong vùng lân cận xung quanh giá trị tâm. – Đặc biệt hữu ích trong việc loại bỏ nhiễu trong ảnh. 1/9 1/9 1/9 1/9 1/9 1/9 1/9 1/9 1/9 Bộ lọc trung bình đơn giản
  • 47. 47 Bộ lọc không gian làm mịn ảnh 1/9 1/9 1/9 1/9 1/9 1/9 1/9 1/9 1/9 Origin x y Image f (x, y) e = 1/9*106 + 1/9*104 + 1/9*100 + 1/9*108 + 1/9*99 + 1/9*98 + 1/9*95 + 1/9*90 + 1/9*85 = 98.3333 Filter Simple 3*3 Neighbourhood 106 104 99 95 100 108 98 90 85 1/9 1/9 1/9 1/9 1/9 1/9 1/9 1/9 1/9 3*3 Smoothing Filter 104 100 108 99 106 98 95 90 85 Original Image Pixels *
  • 48. 48 Ví dụ làm mịn ảnh ➢ Ảnh phía trên bên trái là ảnh gốc kích thước 500*500 pixels. ➢ Các ảnh sau là ảnh sau khi lọc bằng bộ lọc trung bình với kích thước tăng dần 3, 5, 9, 15 và 35 ➢ Chú ý các chi tiết dần biến mất. Images taken from Gonzalez & Woods, Digital Image Processing (2002)
  • 49. 49 Bộ lọc trung bình có trọng số ➢ Có thể tạo ra bộ lọc làm mịn ảnh hiệu quả hơn bằng cách gán trọng số cho các pixel khác nhau của lân cận trong hàm trung bình. – Các pixel gần pixel tâm có vai trò quan trọng hơn. – Các bộ lọc này thường được gọi là trung bình có trọng số (weighted averaging) 1/16 2/16 1/16 2/16 4/16 2/16 1/16 2/16 1/16 Bộ lọc trung bình có trọng số
  • 50. 50 Bộ lọc trung bình k giá trị gần nhất ❖ Cho ảnh I, pixel P, cửa sổ W(P), ngưỡng θ, giá trị k. ❖ Thuật toán: ❖ Bước 1: Tìm k giá trị nằm trong cửa sổ W(P) gần với giá trị pixel P nhất. ❖ Bước 2: Tính trung bình của k giá trị này: ❖ Bước 3: Gán giá trị k P P AV k i i k / ) ( ) ( 1  = =
  • 51. 51 Ví dụ ▪ Cho ảnh I như sau: ▪ Cửa sổ W(3 x3), ▪ Ngưỡng θ=2, giá trị k=3
  • 52. 52 Bộ lọc trung vị (Median filter)
  • 53. 53 Ví dụ về bộ lọc trung bình và bộ lọc trung vị Ảnh gốc bị nhiễu Ảnh sau khi lọc trung bình Ảnh sau khi lọc trung vị Images taken from Gonzalez & Woods, Digital Image Processing (2002)
  • 54. 54 Xử lý biên ảnh Tại biên của bức ảnh sẽ gặp trường hợp thiếu pixel ảnh để tạo thành neighbourhood. Origin x y Image f (x, y) e e e e e e e
  • 55. 55 Xử lý biên ảnh (tiếp) Có một số cách tiếp cận để giải quyết vấn đề thiếu pixel ở biên: – Loại bỏ pixel bị thiếu. • Chỉ làm việc với một số bộ lọc. • Làm thay đổi kích thước ảnh. – Chèn thêm pixel vào ảnh • Thông thường thêm vào hoặc toàn pixel đen hoặc toàn pixel trắng. • Làm thay đổi tính chất ảnh. – Lặp lại các pixels ở rìa ảnh.
  • 56. 56 Ví dụ Cho bức ảnh bị nhiễu sau. Dùng bộ lọc trung bình và trung vị kích thước 3 x 3 để loại bỏ nhiễu trong ảnh. 2 7 3 0 3 1 6 3 0 1 3 5 3 6 7 1
  • 58. 58 Nội dung ➢ Thế nào là khôi phục ảnh? ➢ Nhiễu và ảnh ➢ Các mô hình nhiễu ➢ Loại bỏ nhiễu sử dụng bộ lọc không gian ➢ Nhiễu tuần hoàn và loại bỏ nhiễu sử dụng bộ lọc miền tần số.
  • 59. 59 Thế nào là khôi phục ảnh? Khôi phục ảnh nỗ lực tái tạo lại bức ảnh đã bị xuống cấp về chất lượng. - Xác định quá trình làm bức ảnh xuống cấp và nỗ lực làm ngược lại. – Tương tự như tăng cường ảnh nhưng có mục đích hơn.
  • 60. 60 Nhiễu và ảnh Nguồn nhiễu trong ảnh số thường bắt nguồn từ quá trình thu nhận ảnh (số hóa) và truyền ảnh. – Sensor thu nhận ảnh có thể bị ảnh hưởng bởi các điều kiện xung quanh. – Ảnh cũng có thể bị can nhiễu trong quá trình truyền dẫn.
  • 61. 61 Mô hình nhiễu - Ta có thể mô hình hóa ảnh nhiễu như sau: ở đó f(x, y) là pixel ảnh gốc, η(x, y) là nhiễu, g(x, y) là pixel bị nhiễu. - Nếu ta có thể ước đoán mô hình nhiễu của bức ảnh thì có thể đưa ra cách khôi phục bức ảnh. ) , ( ) , ( ) , ( y x y x f y x g  + =
  • 62. 62 Các mô hình nhiễu Có nhiều mô hình nhiễu khác nhau sử dụng cho ảnh: η(x, y) – Gaussian • Mô hình thông dụng nhất – Rayleigh – Erlang – Exponential (hàm mũ) – Uniform (đồng nhất) – Impulse (hàm xung) • Salt and pepper noise Gaussian Rayleigh Erlang Exponential Uniform Impulse Images taken from Gonzalez & Woods, Digital Image Processing (2002)
  • 63. 63 Ví dụ về nhiễu - Ảnh bên phải là ảnh gốc - Các slide tiếp theo mô tả kết quả của quá trình thêm nhiễu vào ảnh với các mô hình khác nhau. Images taken from Gonzalez & Woods, Digital Image Processing (2002) Histogram to go here Ảnh gốc Histogram
  • 64. 64 Ví dụ về nhiễu (tiếp) Images taken from Gonzalez & Woods, Digital Image Processing (2002) Gaussian Rayleigh Erlang
  • 65. 65 Ví dụ về nhiễu (tiếp) Images taken from Gonzalez & Woods, Digital Image Processing (2002) Exponential Uniform Impulse Histogram to go here
  • 66. 66 Lọc để loại bỏ nhiễu -Ta có thể sử dụng các loại bộ lọc không gian khác nhau để loại bỏ các loại nhiễu khác nhau. - Bộ lọc trung bình số học (arithmetic mean filter) là bộ lọc rất đơn giản và được tính như sau:   = xy S t s t s g mn y x f ) , ( ) , ( 1 ) , ( ˆ 1/9 1/9 1/9 1/9 1/9 1/9 1/9 1/9 1/9 - Bộ lọc này được thực hiện như bộ lọc làm mịn ảnh đơn giản. - Làm mờ ảnh để loại bỏ nhiễu.
  • 67. 67 Ví dụ về loại bỏ nhiễu Images taken from Gonzalez & Woods, Digital Image Processing (2002) Ảnh gốc Ảnh bị nhiễu Gaussian Sau khi lọc bằng bộ lọc trung bình hình học 3*3 Sau khi lọc bằng bộ lọc trung bình số học 3*3
  • 68. 68 Một số bộ lọc không gian khác – Bộ lọc trung vị (Median filter) – Bộ lọc max và min (Max and min filter) – Bộ lọc điểm giữa (Midpoint filter) Images taken from Gonzalez & Woods, Digital Image Processing (2002)
  • 69. 69 Bộ lọc trung vị -Loại bỏ nhiễu tốt mà không có hiệu ứng làm mờ ảnh như các bộ lọc làm mịn khác. - Đặc biệt hiệu quả với nhiễu muối tiêu. )} , ( { ) , ( ˆ ) , ( t s g median y x f xy S t s  =
  • 70. 70 Bộ lọc Max và Min Bộ lọc Max: Bộ lọc Min: - Bộ lọc Max hiệu quả với nhiễu tiêu và bộ lọc min hiệu quả với nhiễu muối. )} , ( { max ) , ( ˆ ) , ( t s g y x f xy S t s  = )} , ( { min ) , ( ˆ ) , ( t s g y x f xy S t s  =
  • 71. 71 Midpoint Filter Midpoint Filter: - Hiệu quả với nhiễu Gaussian ngẫu nhiên và nhiễu đồng nhất.       + =   )} , ( { min )} , ( { max 2 1 ) , ( ˆ ) , ( ) , ( t s g t s g y x f xy xy S t s S t s
  • 72. 72 Ví dụ về loại bỏ nhiễu Images taken from Gonzalez & Woods, Digital Image Processing (2002) Image Corrupted By Salt And Pepper Noise Result of 1 Pass With A 3*3 Median Filter Result of 2 Passes With A 3*3 Median Filter Result of 3 Passes With A 3*3 Median Filter
  • 73. 73 Ví dụ về loại bỏ nhiễu (tiếp) Images taken from Gonzalez & Woods, Digital Image Processing (2002) Image Corrupted By Pepper Noise Image Corrupted By Salt Noise Result Of Filtering Above With A 3*3 Min Filter Result Of Filtering Above With A 3*3 Max Filter
  • 74. 74 Ví dụ về loại bỏ nhiễu (tiếp) Images taken from Gonzalez & Woods, Digital Image Processing (2002) Image Corrupted By Uniform Noise Image Further Corrupted By Salt and Pepper Noise Filtered By 5*5 Arithmetic Mean Filter Filtered By 5*5 Median Filter Filtered By 5*5 Geometric Mean Filter Filtered By 5*5 Alpha-Trimmed Mean Filter
  • 75. 75 Nhiễu tuần hoàn -Thường xuất hiện do can nhiễu điện hoặc điện từ. - Thường tạo ra các mẫu nhiễu điển hình trong bức ảnh. - Để loại bỏ nhiễu này thì sử dụng các kỹ thuật miền tần số là hiệu quả nhất. Images taken from Gonzalez & Woods, Digital Image Processing (2002)
  • 76. 76 Kết luận ❖ Khôi phục ảnh là quá trình xử lý có mục đích hơn so với tăng cường ảnh. ❖ Các kỹ thuật miền không gian đặc biệt hữu ích đối với việc loại bỏ nhiễu ngẫu nhiên. ❖ Các kỹ thuật miền tần số đặc biệt hữu ích đối với nhiễu tuần hoàn.